问财量化选股策略逻辑
该选股策略选取元宇宙行业中，前日实际换手率在3%-28%之间，且连续3天以上大单净量大于0.05的个股进行投资。
选股逻辑分析
该选股策略的选股条件主要包括：
- 选取元宇宙行业中的股票，因为这些企业可能受到元宇宙行业内用户需求的影响，具有潜在的成长性；
- 前日实际换手率在3%-28%之间，表示市场对其价值存在认可，具有一定的投资价值；
- 大单净量大于0.05，表示有大量资金流入该股，市场情绪向好。
通过对以上条件进行综合挑选，最终选出符合条件的个股进行投资。
有何风险？
- 连续3天以上大单净量可能是暂时的异常现象，不一定能代表市场情况，选股结果可能有一定的偏差；
- 选股条件可能过于苛刻，导致选股结果过于稀少，影响资金的分配和投资回报；
- 大单买入或卖出的原因可能是市场活跃度，或大户调仓等多种因素，需对其进行分析和了解。
如何优化？
- 加入其他重要指标，如市盈率、市净率等，综合分析选股结果，提高选股精度；
- 采用机器学习算法，优化选股策略模型，提高选股准确率；
- 构建风险控制机制，对投资组合进行监督和风险管理。
最终的选股逻辑
该选股策略选取元宇宙行业中，前日实际换手率在3%-28%之间，连续3天以上大单净量大于0.05的个股进行投资。选股条件具体为：元宇宙行情为GNXQ，前日实际换手率为TURNOVER(2)，连续3天大单净量为NET_VOL_DIFF_VOL(5)>=0.05。
同花顺指标公式代码参考
- 元宇宙行情：GNBK("gnxq");
- 前日实际换手率：TURNOVER(2);
- 连续3天大单净量：LAST(NET_VOL_DIFF_VOL(5)>0.05,3);
- 选股条件：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND LAST(NET_VOL_DIFF_VOL(5)>0.05,3);
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
data1 = pro.query('stock_basic', exchange='SSE', list_status='L', fields='ts_code,name,industry')
data1 = data1[data1['industry'].str.contains('元宇宙')]
data2 = pro.daily_basic(ts_code='', trade_date='20220111', fields='ts_code,turnover_rate,amount')
data2['actual_turnover'] = data2['turnover_rate'] * 100
data2 = data2[data2['actual_turnover'] > 3]
data2 = data2[data2['actual_turnover'] < 28]
data3 = pro.moneyflow(ts_code='', start_date='20220108', end_date='20220111', fields='ts_code,buy_lg_amount')
data3 = data3.groupby('ts_code').apply(lambda x: (x['buy_lg_amount'] > 0.05).rolling(window=3).sum().max() >= 3).reset_index()
data3 = data3[data3[0] == True]['ts_code']
data4 = pd.merge(data1, data2[['ts_code', 'actual_turnover']], on='ts_code', how='inner')
data4 = data4[data4['ts_code'].isin(data3)]
return data4[['ts_code', 'name']]
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
